TECHNOLOGIEPLATFORM
VisionAI Platform is de industriële computer vision-engine van de Viroteq - de AI-ondersteunde vision-laag die het volgende aandrijft VisionAI Sorting, RobotDepalr, en elke Viroteq cel die in realtime moet zien, classificeren en handelen. Sub-10ms classificatie, samengevoegd 2D en 3D scène begrip, on-premise inferentie op rand IPC's, en merk-agnostische robot integratie maken VisionAI Platform de productie-grade alternatief voor off-the-shelf visie bibliotheken. Als gevolg hiervan is vision nooit het knelpunt binnen een Viroteq robotcel - en dezelfde engine schaalt van een enkel inspectiestation naar een uitrol van een fabriek met meerdere cellen zonder de softwarestack te veranderen.

Productie-installaties
Real-time classificatie latentie
Mogelijkheid tot samengevoegd zicht
Randinferentie op industriële pc's
Generieke visionbibliotheken - open-source toolkits, framework-only stacks of SDK's van leveranciers die beperkt zijn tot één cameramerk - lossen de makkelijke helft van een industrieel visionprobleem op. Ze identificeren voorwerpen in helder licht, op een stilstaande transportband, met gecureerde trainingsgegevens. De moeilijke helft is alles wat een echte productiecel de camera voor de voeten werpt: veranderend licht, vuile optiek, gedeeltelijke occlusie, gemengde SKU's en cyclustijden die aan milliseconden gebonden zijn. De engine is vanaf het begin gebouwd voor die harde helft.
Ruwe algoritmische mogelijkheden zijn echter slechts het begin. Een productieklasse vision-systeem heeft deterministische latentiebudgetten nodig, herhaalbare trainingsdatapijplijnen, versiebeheer van modellen, online monitoring en een zuiver integratietraject naar de robot of transportbandbesturing. Bij kant-en-klare bibliotheken blijft dit allemaal een taak voor de integrator. Daarom wordt elke cel die gebouwd is op een generieke stack geleverd met een eenmalige middlewarelaag waarvan niemand op lange termijn eigenaar is.
Bovendien is het trainen van gegevens waar veel vision-projecten vastlopen. Het handmatig labelen van duizenden frames is duur en het resulterende model verschuift zodra de productverpakking verandert. Het platform bevat een adaptieve trainingspijplijn - operators signaleren misclassificaties via de console, het platform traint 's nachts opnieuw en het nieuwe model wordt gevalideerd tegen een hold-outset voordat het wordt gepromoot. Het resultaat is dat de zichtnauwkeurigheid continu verbetert in plaats van afneemt met de tijd.
Randlatentie is de laatste differentiator. Vision die in de cloud draait - of op een niet-real-time besturingssysteem - kan niet voldoen aan beslissingsbudgetten van sub-10 ms. Volgens ISO/IEC 22989 AI-terminologie en betrouwbaarheidsnormen, deterministisch, controleerbaar AI-gedrag is een voorwaarde voor industriële toepassing. Viroteq's edge-first technologieplatform plaatst VisionAI Platform-inferentie naast de robotbesturing, met volledige classificatietelemetrie voor integrators.


De pijplijn begint bij de camera. Industriële sensoren - Basler, Cognex, Intel RealSense, Photoneo of elke andere GenICam-compatibele unit - streamen frames naar de edge IPC. De runtime bewerkt, normaliseert en routeert elk frame naar het juiste model: classificatie, defectdetectie, posebepaling of 3D-segmentatie.
Vervolgens wordt AI-inferentie lokaal uitgevoerd op de IPC. Geavanceerde AI-algoritmen, getraind op productiegegevens van echte Viroteq cellen, retourneren classificatielabels, begrenzingskaders, segmentatiemaskers en 3D-coördinaten binnen het sub-10ms budget. De runtime publiceert vervolgens de resultaten naar de robotbesturing - FANUC, ABB, KUKA, Universal Robots, Yaskawa of Stäubli - via REST API, WebSocket of OPC-UA.
Bovendien kan het platform omgaan met de rommelige realiteit van een productievloer. Verkeerde classificaties worden geregistreerd met het oorspronkelijke frame en de override van de operator. Het platform leert automatisch van deze correcties. Voor depalletiseren, sorteren of kwaliteitscontrole gebruikt dezelfde engine de volgende functies elk vision-gedreven Viroteq product door middel van een enkele runtime en een enkele set API's.
Het platform is de gedeelde vision-engine achter elke Viroteq-toepassing die in realtime moet zien en beslissen. Dezelfde runtime, dezelfde API's en dezelfde operatorconsole, trainingstools en rand-IPC-hardware maken sorteren, depalletiseren en stapelen met vision mogelijk - drie verschillende productieworkflows die draaien op één AI-engine. Het resultaat is dat klanten die meerdere Viroteq producten gebruiken, één vision stack in verschillende cellen gebruiken in plaats van drie, wat training, onderhoud, reserveonderdelen en software-upgrades in de hele fabriek vereenvoudigt. Bovendien kunnen integrators kalibratie- en inbedrijfstellingsplaybooks hergebruiken voor verschillende toepassingen.

VisionAI Sorting is de productietoepassing van het platform voor het sorteren van pakketten, voedingsmiddelen en materiaalherwinning. Real-time classificatie routeert items naar uitgaande banen op transportbandsnelheid met sub-10ms beslissingen per frame.

RobotDepalr gebruikt het 3D-scène inzicht van het platform om items te identificeren op binnenkomende gemengde pallets. Dieptecamera's en puntwolkverwerking geven de geometrie, houding en grijpcoördinaten van het item in realtime door aan de robot.

RobotStackr Vision combineert vision inspectie met het stapelen van gemengde kratten. Het systeem valideert de identiteit, afmetingen en schade van inkomende kratten in realtime en stuurt de gegevens vervolgens naar StackrBrain voor een optimale palletplaatsing.
Dieptecamera's, stereovisie en gestructureerd licht voeden de 3D pijplijn. Puntwolkverwerking levert itemgeometrie, houding en grijpcoördinaten in hetzelfde framebudget als 2D-classificatie, wat essentieel is voor bin picking en depalletisering.
Oppervlaktedefecten, verpakkingsschade, etiketfouten en maatafwijkingen worden inline geïdentificeerd op transportbandsnelheid. De runtime geeft vertrouwensscores en bounding boxes per defectklasse weer, zodat downstreamcellen kunnen sorteren, afkeuren of in quarantaine plaatsen zonder menselijke controle.
Operators labelen randgevallen via de console. Het platform traint 's nachts opnieuw tegen een hold-out validatieset en bevordert het nieuwe model alleen als de nauwkeurigheid verbetert. Het resultaat is dat de zichtprestaties toenemen met de implementatietijd in plaats van afnemen.
Het platform voedt vision-gestuurde cellen in het volledige klantenbestand van Viroteq - van voedselverwerking en pakketlogistiek tot materiaalherwinning en inkomende bevoorrading. Dezelfde runtime bedient elke industrie en dezelfde API's voeden elk robotmerk. Bovendien betekent de adaptieve trainingspijplijn van het platform dat een nieuwe productfamilie aan boord wordt genomen met voorbeeldafbeeldingen in plaats van aangepaste code. Bovendien kunnen integrators kalibratieprofielen en operatorworkflows hergebruiken in verschillende cellen, wat de inbedrijfstelling verkort en het onderhoud eenvoudig houdt. Het resultaat is dat vision-gedreven automatisering kan worden opgeschaald van pilotcel naar volledige fabriek zonder de stack opnieuw te bouwen per verticale industrie.
Het platform classificeert producten op grootte, rijpheid, oppervlaktedefecten en vreemde voorwerpen op transportbandsnelheid. Afgekeurde stroken worden inline geactiveerd zonder de aanvoerlijn te vertragen.
Realtime classificatie leest barcodes, adressen en pakketkenmerken op sorteersnelheid. De runtime routeert items naar de juiste uitvoerbaan met beslissingen binnen 10 ms.
Het platform scheidt kunststoffen, metalen, papier en verontreinigingen op recyclinglijnen op polymeertype, kleur en vorm. Feedback van de operator zorgt voor een continue verfijning van de fractiezuiverheid.
Leverancierspallets worden bij aankomst gescand. De engine identificeert items, valideert de integriteit van de lagen en markeert schade voordat de depalletizer de lading aanraakt.
Het begrijpen van 3D-scènes identificeert grijpbare voorwerpen in ongestructureerde bakken. Het platform retourneert grijpcoördinaten, vertrouwensscores en botsingsvrije trajecten per item.
Het platform valideert verpakkingen, etiketten en afdichtingen van afgewerkte producten ten opzichte van de productiespecificaties. Pass/fail telemetrie voedt het MES met volledig beeldmateriaal per eenheid.

Inline kwaliteits- en defectdetectie op verpakkingslijnen. Elke eenheid wordt gefotografeerd, geclassificeerd en ofwel stroomafwaarts doorgevoerd of naar een afkeurstraat geleid met volledig beeldbewijs.

Pakketten sorteren op transportbandsnelheid. Barcodes, adressen, afmetingen en vorm worden in één enkel frame gelezen om omleggers en putwanden aan te sturen zonder tussenkomst van de operator.

Polymeer-, kleur- en vormbewuste scheiding op gemengde afvalstromen. Vision-gestuurde robots selecteren gerichte fracties terwijl de operator feedback geeft om de zuiverheid per shift te verfijnen.
Classificatie latentie per frame
Productie-installaties wereldwijd
Classificatienauwkeurigheid in productie

Het platform is gebouwd rond een deterministische runtime, niet rond een onderzoeksnotitieboek. Elke inferentieoproep heeft een gemeten latentiebudget, een modelversie en een betrouwbaarheidsscore. Hierdoor kunnen integrators en fabrieksteams het gedrag van vision controleren aan de hand van PLC- en robotbesturingscycli in plaats van te gissen naar een zwarte doos. Bovendien betekent modelversie dat elke actie omkeerbaar is - een regressie wordt in seconden teruggedraaid, niet in dagen.
De trainingsmethodologie volgt een strikte pijplijn. Voorbeeldbeelden worden verzameld van de live cel, gelabeld in de operatorconsole, gevalideerd ten opzichte van een hold-out set en pas daarna gepromoveerd naar het productiemodel. Bovendien worden randgevallen die door operators worden gemarkeerd, vastgelegd met het originele frame en de beslissing om deze te negeren, wat de volgende trainingscyclus voedt. Daarom verbetert de nauwkeurigheid voortdurend terwijl de productielijn onaangetast blijft.
Monitoring is ingebouwd. Per frame worden timing, betrouwbaarheidsverdelingen, modelversie en driftindicatoren weergegeven via de runtime API en de operator HMI. Bovendien betekent integratie met OPC-UA, REST en standaard MES-dashboards dat vision-telemetrie naast transportband-, robot- en kwaliteitsgegevens staat in plaats van in een aparte silo. Fabriekstechnici zien precies wanneer, waar en waarom een frame werd geclassificeerd - volledige transparantie, geen propriëtaire middleware.
Edge-implementatie sluit de betrouwbaarheidslus. De runtime wordt geleverd op IPC's van industriële kwaliteit die gevalideerd zijn voor 24/7 productie, met redundante netwerken en ondersteund door Viroteq's diagnostiek op afstand via Viroteq's productportfolio. Bovendien is de engine niet afhankelijk van de cloud, wat betekent dat hij externe uitval, beperkte IT-omgevingen en luchtafgesloten fabrieken zonder compromissen overleeft. Volgens openbare computer vision benchmarks van OpenCV, realtime inferentie onder deterministische budgetten is de centrale uitdaging in industriële vision - VisionAI Platform is ontworpen om die lat vanaf de eerste dag te leggen.
Het platform integreert met je cel via de camera's, netwerken en controllers die je al hebt. Aan de optische kant is de runtime cameragnostisch en ondersteunt Basler, Cognex, Intel RealSense, Photoneo, IDS Imaging en elke andere GenICam-compatibele industriële sensor - 2D area-scan, 3D diepte, stereo en gestructureerde lichtunits. Bovendien zijn aangepaste integraties voor speciale sensoren beschikbaar zonder de kernpijplijn opnieuw te hoeven bouwen.
Aan de besturingskant stelt de runtime classificatie, coördinaten en vertrouwensscores beschikbaar via REST API, WebSocket en OPC-UA. De ondersteuning van robotmerken omvat FANUC, ABB, KUKA, Universal Robots, Yaskawa en Stäubli via standaardprotocollen - geen eigen teach pendants, geen SDK's van leveranciers. Bovendien wordt de kalibratie van vision naar robot afgehandeld via een geleide procedure tijdens de inbedrijfstelling, zodat het coördinatenframe tussen camera en robot is vastgelegd zonder wiskunde op maat. Hierdoor zijn implementaties voorspelbaar qua omvang en tijdlijn. Om het platform geïntegreerd in uw specifieke cel te zien, boek een Viroteq demo of praat met onze oplossingenteam.
Basler, Cognex, Intel RealSense, Photoneo, IDS Imaging, plus alle GenICam-compatibele sensoren.
Standaard JSON request/response over HTTPS voor classificatie, coördinaten en telemetrie.
Brug naar fabriekshistorici, MES en SCADA via de industriële gegevensstandaard voor vision-telemetrie.
Inferentie op speciale industriële pc in de cel. Geen afhankelijkheid van de cloud, deterministische latentie.
Boek een persoonlijke demo en zie hoe VisionAI Platform sub-10ms classificatie, 3D-scène-inzicht en adaptieve training levert binnen uw bestaande robotcel. Ontdek vision sorteeroplossingen of vergelijken met RobotDepalr.
Breng uw camera's, uw robotmerk en uw cyclustijddoel mee - de Viroteq-specialisten brengen een VisionAI Platform-implementatie in kaart die past bij uw celoppervlak en die de productie draaiende houdt.
| Cookie | Duur | Omschrijving |
|---|---|---|
| cookielawinfo-checkbox-advertentie | 1 jaar | Deze cookie wordt ingesteld door de GDPR Cookie Consent-plugin en registreert de toestemming van de gebruiker voor de cookies in de categorie "Advertentie". |
| cookielawinfo-checkbox-analytics | 11 maanden | Deze cookie wordt ingesteld door de GDPR Cookie Consent plugin. De cookie wordt gebruikt om de toestemming van de gebruiker voor de cookies in de categorie "Analytics" op te slaan. |
| cookielawinfo-checkbox-functioneel | 11 maanden | De cookie wordt ingesteld door GDPR cookie consent om de toestemming van de gebruiker voor de cookies in de categorie "Functioneel" vast te leggen. |
| cookielawinfo-checkbox-nodig | 11 maanden | Deze cookie wordt ingesteld door GDPR Cookie Consent plugin. De cookie wordt gebruikt om de toestemming van de gebruiker voor de cookies in de categorie "Noodzakelijk" op te slaan. |
| cookielawinfo-checkbox-andere | 11 maanden | Deze cookie wordt ingesteld door de GDPR Cookie Consent plugin. De cookie wordt gebruikt om de toestemming van de gebruiker voor de cookies in de categorie "Overig" op te slaan. |
| cookielawinfo-checkbox-prestatie | 11 maanden | Deze cookie wordt ingesteld door GDPR Cookie Consent plugin. De cookie wordt gebruikt om de toestemming van de gebruiker op te slaan voor de cookies in de categorie "Prestaties". |
| CookieLawInfoConsent | 1 jaar | CookieJa stelt deze cookie in om de standaardknopstatus van de bijbehorende categorie en de status van CCPA op te slaan. Het werkt alleen in coördinatie met de primaire cookie. |
| elementor | nooit | Het WordPress-thema van de website gebruikt deze cookie. Hiermee kan de website-eigenaar de inhoud van de website in realtime implementeren of wijzigen. |
| bekeken_cookie_beleid | 11 maanden | De cookie wordt ingesteld door de GDPR Cookie Consent plugin en wordt gebruikt om op te slaan of de gebruiker al dan niet heeft ingestemd met het gebruik van cookies. Er worden geen persoonlijke gegevens opgeslagen. |
| Cookie | Duur | Omschrijving |
|---|---|---|
| _lscache_variabel | 2 dagen | Litespeed plaatst deze cookie om te voorkomen dat pagina's in de cache worden opgeslagen. |
| Cookie | Duur | Omschrijving |
|---|---|---|
| TOESTEMMING | 2 jaar | YouTube plaatst deze cookie via ingesloten YouTube-video's en registreert anonieme statistische gegevens. |
| _ga | 1 jaar 1 maand 4 dagen | Google Analytics plaatst deze cookie om bezoekers-, sessie- en campagnegegevens te berekenen en het gebruik van de site bij te houden voor het analyserapport van de site. De cookie slaat informatie anoniem op en kent een willekeurig gegenereerd nummer toe om unieke bezoekers te herkennen. |
| _ga_* | 1 jaar 1 maand 4 dagen | Google Analytics plaatst deze cookie om paginaweergaves op te slaan en te tellen. |
| Cookie | Duur | Omschrijving |
|---|---|---|
| BEZOEKER_INFO1_LIVE | 5 maanden 27 dagen | YouTube stelt deze cookie in om de bandbreedte te meten en te bepalen of de gebruiker de nieuwe of oude spelerinterface krijgt. |
| YSC | sessie | Youtube plaatst deze cookie om de weergaven van ingesloten video's op Youtube-pagina's bij te houden. |
| yt.innertube::nextId | nooit | YouTube stelt deze cookie in om een unieke ID te registreren om gegevens op te slaan over welke video's van YouTube de gebruiker heeft bekeken. |
| yt.innertube::verzoeken | nooit | YouTube stelt deze cookie in om een unieke ID te registreren om gegevens op te slaan over welke video's van YouTube de gebruiker heeft bekeken. |